| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 不确定性量化技术的研究现状及发展趋势 | 第13-14页 |
| 1.2.2 系统安全、风险评价的研究现状及发展趋势 | 第14-15页 |
| 1.3 研究思路与内容安排 | 第15-19页 |
| 1.3.1 提出问题 | 第15-16页 |
| 1.3.2 研究思路 | 第16页 |
| 1.3.3 内容安排 | 第16-19页 |
| 第二章 系统的不确定性因素的研究 | 第19-29页 |
| 2.1 不确定性的形式表现 | 第19页 |
| 2.2 不确定性因素的属性表征及其信息度量 | 第19-27页 |
| 2.2.1 概率可靠性分析方法 | 第19-22页 |
| 2.2.1.1 蒙特卡洛仿真 | 第20页 |
| 2.2.1.2 重要抽样法 | 第20页 |
| 2.2.1.3 拉丁方抽样法 | 第20-21页 |
| 2.2.1.4 一阶可靠性分析方法 | 第21-22页 |
| 2.2.2 可能性理论分析方法 | 第22-25页 |
| 2.2.2.1 Zadeh所定义的可能性测度 | 第22-23页 |
| 2.2.2.2 一元可能性分布 | 第23页 |
| 2.2.2.3 n元可能性分布 | 第23-24页 |
| 2.2.2.4 可能性测度 | 第24页 |
| 2.2.2.5 公理化可能性测度 | 第24-25页 |
| 2.2.2.6 可能性测度性质 | 第25页 |
| 2.2.2.7 必然性测度 | 第25页 |
| 2.2.3 不确定性的信息度量 | 第25-27页 |
| 2.2.3.1 经典可能性理论的不确定性度量 | 第25页 |
| 2.2.3.2 概率论的不确定性度量 | 第25-26页 |
| 2.2.3.3 可能性理论中的不确定性度量 | 第26页 |
| 2.2.3.4 证据理论中的不确定性度量 | 第26-27页 |
| 2.3 代理模型构建过程 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于Hilbert空间与IAHP解决认知不确定性的评价方法 | 第29-42页 |
| 3.1 标准空间的建立与评价指标信息的处理 | 第29-34页 |
| 3.1.1 希尔伯特空间的建立 | 第29-30页 |
| 3.1.2 基于IAHP的权重、决策的分析 | 第30-34页 |
| 3.1.2.1 引言 | 第30页 |
| 3.1.2.2 IAHP方法的步骤 | 第30-34页 |
| 3.2 认知不确定性的量化 | 第34-37页 |
| 3.2.1 权重区间数的量化 | 第34-36页 |
| 3.2.1.1 模糊数 | 第34-35页 |
| 3.2.1.2 梯形模糊数 | 第35页 |
| 3.2.1.3 区间数权重量化 | 第35-36页 |
| 3.2.2 安全风险管理指标的量化 | 第36-37页 |
| 3.2.2.1 风险等级的确定 | 第36页 |
| 3.2.2.2 指标的直观量化 | 第36-37页 |
| 3.3 算例 | 第37-40页 |
| 3.4 结果分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于数值模拟与Bayes网解决混合不确定性的评价方法 | 第42-57页 |
| 4.1 基于数值模拟方法的先验信息的获取 | 第42-46页 |
| 4.1.1 故障分布函数的拟合与检验 | 第42-45页 |
| 4.1.1.1 技术路线 | 第42页 |
| 4.1.1.2 曲线拟合的最小二乘法 | 第42-43页 |
| 4.1.1.3 线性相关检验 | 第43-44页 |
| 4.1.1.4 假设检验方法 | 第44-45页 |
| 4.1.2 获取基于Bayes所建评价模型中先验信息 | 第45-46页 |
| 4.2 基于Bayes网的模型建立 | 第46-48页 |
| 4.2.1 树状Bayes网络的信息融合更新模型 | 第46-48页 |
| 4.2.2 Mamdani模糊推理法 | 第48页 |
| 4.3 算例 | 第48-56页 |
| 4.3.1 故障分布函数的确定 | 第49-54页 |
| 4.3.1.1 分布函数的初步判断 | 第49-50页 |
| 4.3.1.2 回归方程拟合 | 第50页 |
| 4.3.1.3 线性相关检验 | 第50-52页 |
| 4.3.1.4 KS假设检验 | 第52-54页 |
| 4.3.2 建立树状Bayes网更新评价模型 | 第54-55页 |
| 4.3.2.1 模型的建立 | 第54-55页 |
| 4.3.2.2 仿真预测 | 第55页 |
| 4.3.3 结果分析 | 第55-56页 |
| 4.4 本章总结 | 第56-57页 |
| 第五章 基于QMU认证方法的安全和风险评价 | 第57-76页 |
| 5.1 确定性模型的应用条件 | 第57-58页 |
| 5.1.1 系统认证基于的两种状态 | 第57页 |
| 5.1.2 系统可QMU认证的必要条件 | 第57-58页 |
| 5.1.3 复杂机械系统中确定性模型和概率模型满足的系统认证 | 第58页 |
| 5.2 数值模拟的QMU流程 | 第58-65页 |
| 5.2.1 数值模拟的QMU流程的基本思想 | 第58-59页 |
| 5.2.2 不确定性信息的分析与整合量化 | 第59-60页 |
| 5.2.2.1 不确定性信息的来源 | 第59页 |
| 5.2.2.2 信息的整合 | 第59-60页 |
| 5.2.2.3 量化模型的建立 | 第60页 |
| 5.2.3 数值模拟的V&V技术 | 第60-62页 |
| 5.2.3.1 V&V技术 | 第60-61页 |
| 5.2.3.2 模型的验证、确认与数值模拟置信度的关系 | 第61-62页 |
| 5.2.4 裕度(Margin)及裕度估计 | 第62-64页 |
| 5.2.4.1 裕度 | 第62页 |
| 5.2.4.2 性能通道 | 第62-63页 |
| 5.2.4.3 置信比率 | 第63-64页 |
| 5.2.5 基于QMU框架的机械结构系统的分析 | 第64-65页 |
| 5.3 QMU认证的扩展研究 | 第65-67页 |
| 5.3.1 QMU概率问题扩充 | 第65-66页 |
| 5.3.2 对试验信息处理的QMU方法研究 | 第66-67页 |
| 5.4 算例 | 第67-75页 |
| 5.4.1 算例 1 | 第67-71页 |
| 5.4.1.1 有限元模型的建立 | 第67-68页 |
| 5.4.1.2 抽样方法 | 第68页 |
| 5.4.1.3 QMU方法的实施 | 第68-70页 |
| 5.4.1.4 边界分析 | 第70-71页 |
| 5.4.2 算例 2 | 第71-75页 |
| 5.5 本章总结 | 第75-76页 |
| 第六章 机械结构系统安全和风险评价过程的设计优化 | 第76-89页 |
| 6.1 可靠性模型的分类 | 第76-78页 |
| 6.1.1 概率可靠性模型 | 第76-77页 |
| 6.1.2 可能可靠性模型 | 第77-78页 |
| 6.2 可靠性优化设计 | 第78-80页 |
| 6.2.1 可靠性优化设计模型 | 第78-79页 |
| 6.2.2 混合不确定性优化模型 | 第79-80页 |
| 6.3 几种混合不确定优化的新方法 | 第80-84页 |
| 6.3.1 基于惩罚函数粒子群的优化改进 | 第80-81页 |
| 6.3.1.1 PSO的基本原理 | 第80-81页 |
| 6.3.1.2 基于PSO的惩罚函数法 | 第81页 |
| 6.3.2 鞍点逼近法的灵敏度分析 | 第81-82页 |
| 6.3.2.1 鞍点近似逼近 | 第81-82页 |
| 6.3.2.2 鞍点逼近应用于灵敏度分析 | 第82页 |
| 6.3.3 SORA的优化方法 | 第82-84页 |
| 6.4 算例 | 第84-88页 |
| 6.4.1 算例 1 | 第84-88页 |
| 6.4.2 算例 2 | 第88页 |
| 6.5 本章总结 | 第88-89页 |
| 第七章 总结与展望 | 第89-91页 |
| 7.1 研究工作总结 | 第89-90页 |
| 7.2 研究工作展望 | 第90-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-97页 |
| 在学期间取得的研究成果 | 第97页 |
| 在学期间参加的科研项目 | 第97-98页 |
